河南大学坐落在国家历史文化名城河南省开封市,成立于1912年,是河南省人民政府与教育部共同建设的重点综合性大学,同时也是中西部高校基础能力建设工程、卓越医生教育培养计划、卓越教师培养计划和卓越法律人才教育培养计划建设高校,以及国家大学生文化素质教育基地入选高校。学校现有师生6万余人,现有正在使用的新校区和老校区两个校区,以及郑州的新建校区。随着国家中西部教育扶贫工作的开展,中西部教育资金投入的越来越多,同时河南大学随着学校规模的增长和终端应用多样化等信息化技术的高速发展,河南大学在信息化建设方面面临越来越多的需求和挑战。
业务的迅速发展对河南大学校园网提出了新的挑战
河南大学现网架构模糊,校园各个信息化模块之间不能完全互联互通,运维管理复杂,随着学校规模的发展,学校和学生业务应用系统的种类和数量的大幅提升,对网络支撑平台(一体化管理和网络可靠性)提出了更高的要求。现有网络中主要面临以下几方面问题急需改造:
一是现网设备陈旧,亟待更新。现网大部分设备已经使用十年以上,无法统一有效的管理,同时设备功能缺失,不能有效满足现网业务的复杂性需求。
二是可靠性差、运维管理复杂。网络架构上存在链路级单点故障,可靠性差。设备种类和型号众多,没有统一的运维管理平台进行高效、自动化的运维和管理。
三是传统三层架构无法满足新业务需求。整网采用传统三层架构,无法很好地支撑新一代云计算数据中心和无线校园的需求,无法构建面向未来的智慧校园网络的挑战。
四是认证手段不完善,效率低。现网认证采用802.1x认证,在接入交换机上,进行802.1x认证的方式暴露出很多弊端,日常维护工作量非常大,对不同操作系统的兼容性不理想,特别是版本升级时,遇到的问题会很多,对于拥有6万学生用户的网络与信息中心来说,是一个很大的负担。另通常的802.1x会使用私有属性,认证交换机和AAA认证系统之间缺乏互操作性,对高校的设备选型存在很大限制,容易被厂家绑定。而且交换机全部更换,配置工作量非常大。
同时随着无线校园的建设,如何构建无线和有线统一的认证管理也是智慧校园面临的重要挑战?
以上需求要求在网络改造过程中,对网络设备选型、组网模式选择、可靠性设计、安全防控措施等方面,进行科学规划、规范实施。
敏捷网络打造高可靠、高效率的河南大学校园网
根据河南大学智慧校园建设的要求,华为凭借在通讯领域的二十多年来的技术积累,提出了敏捷网络解决方案和有线无线统一认证的解决方案。稳定的网络架构、敏捷的业务承载、全面的网络安全、有线无线一体化认证和统一的运维管理是华为敏捷广域网络解决方案架构的核心。

华为敏捷网络解决方案和有线无线一体化认证拓扑图
改造完成后,河南大学业务运行更高效、更放心。合理的架构和统一认证管理不但让整个校园网能更好地支撑学校业务,同时让校领导、网管人员更放心,在整个河南省教育行业具有良好的示范效果,对其他高校的智慧校园建设具有很好的参考意义。华为ME60系列设备为进行统一认证管理的高效、稳定、可靠的设备,已经广泛应用于全球企业及运营商市场,在全国高校行业的统一认证方面也为最佳实践设备,在西安交通大学、西南民族大学、电子科技大学、湖北工业大学等等均有应用。
信息化助力河南教育行业、河南高校高速发展
通过本次全校园的网络改造,依托华为业界最稳定的网络产品, 河南大学打造了一张坚强可靠、持续领先、平滑演进的新一代数据承载网,完全能够满足新一代数据中心建设和无线智慧校园建设的需求。河南大学作为河南历史悠久的高等院校在未来ICT技术变革和教育变革中通过高效、先进的信息化教学模式、教育理念成为河南教育行业的佼佼者,助力河南教育行业的腾飞。
好文章,需要你的鼓励
Instagram负责人莫塞里在接受采访时透露,平台正考虑引入长视频内容功能,尽管此前一直专注于短视频。他承认为了吸引优质内容,Instagram可能需要支持长视频格式。此外,Meta最近推出了"您的算法"功能,旨在让用户更好地控制信息流内容。莫塞里承诺未来将提供更多工具,让用户主动塑造个性化内容,但完整实现可能需要2-4年时间。
香港大学联合Adobe研究院提出PS-VAE技术,成功解决了AI无法同时具备图像理解和生成能力的难题。通过创新的两阶段训练策略,让AI既能准确理解图片语义,又能生成高质量图像,在图像编辑任务上性能提升近4倍,为统一视觉AI系统开辟新路径,在数字创作、教育、电商等领域具有广阔应用前景。
在信息爆炸的时代,AI实验室的研究员们常常需要面对海量的论文、专利文件、论坛发言等各种渠道的信息。传统的查找方式不仅费时费力,还容易遗漏关键内容。那么,有没有一种方式能让AI真正代替人工,完成从找资料到写出稿的全流程工作?
华中科技大学与马里兰大学研究团队开发出Sage评估框架,首次无需人工标注即可评估AI评判员可靠性。研究发现即使最先进的AI模型在评判任务中也存在严重不一致问题,近四分之一困难情况下无法保持稳定偏好。团队提出明确评判标准和专门微调等改进方法,为构建更可靠AI评估体系提供重要工具。